Ingeniería Informática
URI permanente para esta colección
Examinar
Examinando Ingeniería Informática por browse.metadata.advisor "Gambini, Juliana"
Mostrando 1 - 10 de 10
Resultados por página
Opciones de ordenación
Proyecto final de Grado Análisis automático del rendimiento de los jugadores en partidos de tenis(2020) Izaguirre, Agustín Emilio; Gambini, Juliana"El problema de seguimiento de objetos en secuencias de imágenes y en videos tiene múltiples aplicaciones en distintos aspectos, como el estudio del medio ambiente, el estudio del comportamiento de animales, la robótica, la seguridad y el diagnóstico médico, entre otras. Una de las aplicaciones que posee el seguimiento de objetos, que se desarrolló en los últimos años, es la posibilidad de detectar acciones en eventos deportivos, en tiempo real, lo que resulta muy útil para colaborar en la tarea del árbitro y también para analizar el rendimiento de los jugadores. Los diferentes eventos deportivos donde se pueden utilizar son eventos de fútbol, vóley, handball, etc. En este trabajo, se aplica un método de seguimiento de objetos en secuencias de imágenes para detectar resultados de jugadas en partidos de tenis y realizar un análisis estadístico del rendimiento deportivo de cada jugador."Proyecto final de Grado Análisis de datos de pacientes y consultantes con COVID-19(2021-09-29) Pingarilho, Pedro Remigio; Gómez, Fermín; Di Luca, Miguel; Gambini, JulianaTrabajo final de especialización Análisis de imágenes de microscopía(2021-08-24) Della Sala, Rocío; Rodríguez, Ariel Andrés; Bruno, Luciana; Gambini, Juliana"El análisis automático de imágenes tiene múltiples campos de aplicación, siendo uno de estos el análisis a nivel celular donde se estudian imágenes microscópicas. En el presente trabajo se implementan métodos para poder extraer tanto información cuantitativa como también cualitativa de una serie de películas de distintos citoesqueletos. El objetivo es construir una herramienta que facilite el estudio de imágenes y nos permita obtener información que no se podría extraer a simple vista. El trabajo se centra en el estudio de 3 propiedades las cuales son el contorno de la estructura del citoesqueleto, el movimiento de la estructura a lo largo de la película y la textura en distintas zonas de la imagen. Para cada una de estas propiedades se desarrollan múltiples métodos y se opta por elegir aquellos que presenten los mejores resultados en el menor tiempo posible, teniendo en cuenta que su funcionamiento sea independiente de la forma de los citoesqueletos o de la intensidad de cada imagen. Si bien este estudio presenta dificultades como el ruido en este tipo de imágenes o la diversidad de las estructuras de los citoesqueletos, para todas las propiedades se logran obtener interesantes resultados."Proyecto final de Grado Automated detection of facial expressions using image analysis(2019-07-05) Casagrande, Lucas; Kuyumciyan, Nicolás; Gambini, Juliana"The broad range of applications for automatic expression detection sparks the need for a robust and effective implementation. In this paper, an exposition of the existing methods most frequently used for this purpose is done, and an analysis of their performance is carried out. These include both feature detection methods such as Gabor filters and Histograms of Gradients as well as classifiers based in neural networks. Existing data sets consisting of images of persons faces with a labeled expression are used for training and testing purposes. A success rate of 87.6% is achieved when classifying images with up to four different expressions."Proyecto final de Grado Detección automática y rastreo en tiempo real de objetos(2019-08-14) Saqués, M. Alejo; Marcantonio, Nicolás; Ramele, Rodrigo; Gambini, Juliana"Este trabajo propone una tecnica basada en el análisis del centroide y radio de los objetos, a los efectos de fijar una cota superior a la expansión del contorno de las regiones."Proyecto final de Grado Detección de emociones faciales(2020-12-07) Pérez Sammartino, Francisco; Di Giovanni Martínez, Andrés; Gambini, Juliana"Existe una gran variedad de aplicaciones para la detección de emociones faciales. Entre ellas se encuentran las utilizadas para obtener la satisfacción del cliente en un banco, o el nivel de fatiga de un conductor de un vehículo. En algunas es necesario que la detección se realice con eficiencia en tiempo mientras que en otras la precisión en la detección es más importante. En el caso de que sea necesario un procesamiento en tiempo real, la rapidez de los resultados será prioritaria, mientras que en el análisis ’off-line’, la precisión es lo más importante. En este trabajo, se realiza una exposición de los métodos existentes para detección de emociones, utilizados actualmente con diferentes objetivos y enfoques. A partir de ello, se presentan las mejoras propuestas, y el desarrollo de un método que permite el reconocimiento de las emociones de las personas en videos, o en tiempo real. La aplicación utiliza máquinas de vectores de soporte (SVM) para realizar la clasificación de las emociones, técnicas de rotación planar para corregir la pose, y sistema se seguimiento de caras para poder aplicarlo en presencia de múltiples personas. Dado que el medio por el cuál se transmiten los videos o imágenes, como el WiFi, puede contaminarlos con ruido, es importante que el sistema sea resiliente a dichas alteraciones. Para evaluar esta capacidad se realiza un estudio sobre el impacto del grado de contaminación de la información recibida, sobre el resultado. Se alcanza una precisión muy adecuada al distinguir, en imágenes, las emociones de miedo, alegría, disgusto, neutralidad, tristeza, sorpresa, y enojo."Proyecto final de Grado Estudio sobre la aplicación del método SIFT en imágenes SAR(2017) Agopian, Michel; Colloca, Tomás; Di Nucci, Nicolás Santiago; Gambini, Juliana"En este trabajo se estudia la aplicación del método SIFT y su variante: el algoritmo SAR-SIFT desarrollado para aplicarse en imágenes SAR. Se introduce primero el motivo de interés del uso de este tipo de imágenes, mencionando que el ruido speckle que presentan dificulta la aplicación de los métodos de procesamiento de imágenes como el método SIFT."Proyecto final de Grado Estudio sobre reconocimiento automático de objetos en imágenes(2016) Meola, Franco Román; Puente, Julián; Strubolini, Diego Martín; Gambini, Juliana"El reconocimiento automático de objetos en imágenes representa un desafío dentro del área de procesamiento de imágenes porque posee múltiples aplicaciones de suma importancia. En este trabajo se presenta un análisis detallado de tres métodos de reconocimiento: SIFT, SURF y ORB. Con el objetivo de analizar y comparar estos métodos, se realizan diversos experimentos con imágenes sintéticas, a partir de los cuales, se obtienen conclusiones acerca de qué método es conveniente usar de acuerdo al contexto y al problema. Además, se presenta una aplicación de reconocimiento de imágenes utilizando un conjunto de fotografías reales con el objetivo compararlas con sus respectivas imágenes originales."Proyecto final de Grado Interpretación y análisis automático de imágenes de partidos de fútbol(2014) Civile, Juan Pablo; Crespo, Álvaro; Ordano, Esteban; Gambini, Juliana"En el presente trabajo se propone un método de seguimiento de jugadores que puede utilizarse para cumplir algunos de los objetivos del problema, se analizan las dificultades de realizar el seguimiento de jugadores en tiempo real con reducida o nula supervición humana a partir de una sola fuente de video que consiste en una cámara de alta resolución (HD) fija capaz de encuadrar todo el campo de juego."Proyecto final de Grado Segmentación por medio del método Mean Shift: estado del arte(2017) Azarola, Ivana Martina; Gambini, Juliana"A lo largo de este documento se estudia el método de Mean Shift utilizando algunas imágenes de prueba en el procesamiento de imágenes".